Page 62 - FULL SKRIPSI_MARLIN DWI ZULTARI_11160930000025
P. 62

dan  indikator  dapat  dihapus  jika  hal  tersebut  meningkatkan  nilai  composite


                        reliability (Hair et al., 2012).

                            Selanjutnya  melihat  internal  consistency  reliability  dari  nilai  composite


                        reliability. Composite reliability lebih baik dalam mengukur internal consistency

                        dibandingkan  cronbach’s  alpha  dalam  model  SEM  dikarenakan  composite


                        reliability tidak mengasumsikan kesamaan boot dari setiap indikator. Cronbach’s

                        alpha  cenderung  menaksir  lebih  rendah  construct  reliability  dibandingkan

                        composite reliability. Nilai harus lebih besar dari 0.7 meskipun nilai 0.6 masih dapat


                        diterima (Abdillah & Mustakini, 2015). Nilai batas 0.7 ke atas berarti dapat diterima

                        dan di atas 0.8 dan 0.9 berarti sangat memuaskan (Yamin & Kurniawan, 2011).


                        Rumus untuk composite reliability (CR):


                                                  = (∑    )  . (∑    )   + ∑                        (2.2)



                               Selanjutnya adalah menguji nilai average variance extracted (AVE). Nilai

                        ini menggambarkan besaran varian atau keragaman variabel manifes yang dapat

                        dikandung  oleh  konstruk  laten.  Nilai  AVE  minimal  0.5  menunjukkan  ukuran


                        convergent validity yang baik. Artinya, variabel laten dapat menjelaskan rata-rata

                        lebih dari setengah variance dari indikator-indikatornya. Nilai ini diperoleh dari


                        penjumlahan  kuadrat  loading  factor  dibagi  dengan  error.  Rumus  dari  variance

                        extracted (AVE):


                                                    = ∑      . ∑       + ∑                          (2.3)



                            Selanjutnya  melakukan  uji  discriminant  validity  dengan  melihat  nilai  cross

                        loading dan Fornell-Larcker criterion. Pada cross loading adalah membandingkan







                                                              45
   57   58   59   60   61   62   63   64   65   66   67